买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网恭喜南京信息工程大学申请的专利一种基于深度学习的乳腺癌预后预测的多模态融合方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119963563B 。

龙图腾网通过国家知识产权局官网在2025-06-06发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202510454717.1，技术领域涉及：G06T7/00；该发明授权一种基于深度学习的乳腺癌预后预测的多模态融合方法是由王向学;陈利亚;孙婧文;崔昊宇;焦一平;明文龙设计研发完成，并于2025-04-11向国家知识产权局提交的专利申请。

本一种基于深度学习的乳腺癌预后预测的多模态融合方法在说明书摘要公布了：本发明提供了一种基于深度学习的乳腺癌预后预测的多模态融合方法，包括：对数据集进行预处理，标记出全切片病理图像的组织区域并进行切片处理，提取多尺度特征，对医学影像图像进行重采样并提取肿瘤区域的特征；提出双流注意力模态融合进行特征融合：分别选取二维区域融合模块和三维区域融合模块对预处理后全切片病理图像和医学影像图像进行多尺度特征融合；利用三维区域融合模块对医学影像图像进行多区域特征融合；对齐多模态数据，使用自注意力池化进行跨模态特征融合，捕捉跨模态的交互信息；通过损失函数预测患者的无病生存期和总生存。本发明解决了单模态分析的局限性和预后效果不理想等问题，实现更精准的乳腺癌预后预测。

本发明授权一种基于深度学习的乳腺癌预后预测的多模态融合方法在权利要求书中公布了：1.一种基于深度学习的乳腺癌预后预测的多模态融合方法，其特征在于，包括以下步骤：步骤1，对乳腺癌患者的病理图像进行预处理：读取患者的全切片病理图像WSI，使用otsu阈值法检测组织区域与背景；针对不同全切片病理图像WSI之间存在的旋转、缩放或平移误差，通过预对齐模块进行对齐；对对齐后的全切片病理图像WSI进行处理，创造二进制掩膜标记组织区域，在最高分辨率下生成256×256的无重叠组织图像块；接着利用分层提取的方法对图像块进行特征提取；步骤2，对患者的医学影像图像DCE-MRI进行预处理，对患者的医学影像图像DCE-MRI进行重采样至1毫米等体素分辨率，再对患者的医学影像图像DCE-MRI沿Z轴随机裁剪4个大小为48×48×3的子体积；针对患者的医学影像图像DCE-MRI，采用基于刚性或非刚性配准的方法进行预对齐，利用互信息MI作为相似性度量构造配准优化问题，求得最佳变换矩阵TMRI： 其中，为参考MRI图像，为待配准的MRI图像，表示将经仿 射变换矩阵T1后得到的图像，表示互信息； 步骤3，针对不同模态的一致性，使用双流注意力模态融合，所述双流注意力模态融合包括编码器I和编码器P；所述编码器I和编码器P均包括区域融合模块，所述区域融合模块包括窗口多头自注意力机制和移位窗口策略；全切片病理图像WSI通过改进的区域融合模块处理特征向量序列，医学影像图像DCE-MRI通过区域融合模块处理原始图像子图；所述编码器P中的区域融合模块还包含块合并，所述块合并沿深度维度对相邻图像小块进行两次分组，然后编码器P将逐渐降低输入的分辨率，从而对影像模态内多区域特征进行融合；采用自注意力池化机制捕捉编码器I处理后输出的跨模态的病理特征与编码器P处理后输出的影像特征并融合跨模态特征：将编码器I处理后输出的全切片病理图像WSI的2D特征和编码器P处理后输出的医学影像图像DCE-MRI的3D特征投影到相同的维度，计算病理和影像的交互权重；步骤4，进行预后预测；步骤5，进行可视化解释，通过计算综合梯度生成注意力热图，映射至原始全切片病理图像WSI上，在医学影像图像DCE-MRI上生成影像组学特征表达热图，实现形态学属性的多尺度可视化。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人南京信息工程大学，其通讯地址为：211806 江苏省南京市浦口区双峰路69号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。